基于五行配伍原理及大數(shù)據(jù)智能診療系統(tǒng)平臺(tái)規(guī)劃與設(shè)計(jì)

王忠策 孫亨通 任海銘 劉洋

摘? 要：隨著人們對(duì)于健康越來(lái)越關(guān)注，成熟的中醫(yī)師資源相對(duì)稀少。基于互聯(lián)網(wǎng)、大數(shù)據(jù)資源和陰陽(yáng)五行理論開(kāi)發(fā)的網(wǎng)絡(luò)化智能診療系統(tǒng)，具有解決此類(lèi)問(wèn)題的先天優(yōu)勢(shì)，是對(duì)傳統(tǒng)中醫(yī)診治模式的繼承和發(fā)展。傳統(tǒng)中醫(yī)理論及其經(jīng)驗(yàn)體系的形成過(guò)程具有大數(shù)據(jù)應(yīng)用的典型特征。本文給出了結(jié)合五行配伍原理及大數(shù)據(jù)智能診療系統(tǒng)平臺(tái)規(guī)劃與設(shè)計(jì)的一般思路，希望對(duì)智慧中醫(yī)的發(fā)展有所補(bǔ)益。

關(guān)鍵詞：五行配伍? 知識(shí)圖譜? 中醫(yī)診斷推理? 遠(yuǎn)程智能診療

中圖分類(lèi)號(hào)：TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2020）10（c）-0101-04

Abstract： As people pay more and more attention to health， the resources of mature TCM （Traditional Chinese Medicine） doctors are relatively scarce. Based on the Internet， big data resources and the theory of Yin Yang and five elements， the networked intelligent diagnosis and treatment system has inherent advantages to solve such problems， and is the inheritance and development of traditional Chinese medicine diagnosis and treatment mode. The formation process of traditional Chinese medicine theory and experience system has the typical characteristics of big data application. This paper gives the general idea of the planning and design of big data intelligent diagnosis and treatment system platform combined with the principle of five elements compatibility， hoping to contribute to the development of intelligent traditional Chinese medicine.

Key Words： Five elements compatibility; Knowledge map; TCM diagnosis reasoning; Remote intelligent diagnosis and treatment

提及中國(guó)及其他國(guó)家的亞健康人群狀況，傳統(tǒng)中醫(yī)理論中“治未病”的特點(diǎn)成為在針對(duì)亞健康診治方面有獨(dú)特優(yōu)勢(shì);對(duì)于健康越來(lái)越重視的人們來(lái)說(shuō)，成熟的中醫(yī)師資源稀少，經(jīng)濟(jì)上對(duì)自身健康管理投入過(guò)大大，限制了大部分人們對(duì)自身健康的保護(hù)?；诨ヂ?lián)網(wǎng)、大數(shù)據(jù)資源和陰陽(yáng)五行理論開(kāi)發(fā)的網(wǎng)絡(luò)化智能診療系統(tǒng)，具有解決此類(lèi)問(wèn)題的先天優(yōu)勢(shì)，是對(duì)傳統(tǒng)中醫(yī)診治模式的繼承和發(fā)展。

1? 傳統(tǒng)中醫(yī)五行配伍基本理論

眾所周知，方劑的功效作用差別，由方劑的配伍組成決定。方劑的配伍研究，關(guān)鍵是闡明方劑組織結(jié)構(gòu)。然而在配伍過(guò)程中，各種中醫(yī)理論及臨床經(jīng)驗(yàn)均將結(jié)合自身特色滲透其中，所以影響方劑結(jié)構(gòu)的因素是復(fù)雜的。五行學(xué)說(shuō)作為中醫(yī)基礎(chǔ)理論的一個(gè)典型組成部分，在較大程度上支配了不少成方的藥物配伍。全國(guó)中醫(yī)院校使用的方劑教科書(shū)，常用方劑中包含五行配伍內(nèi)容者，約有1/3[1]。

1.1 五行配伍的基本原則與配伍要點(diǎn)

1.1.1 配伍原則舉例

《難經(jīng)六十九難》說(shuō)：“虛則補(bǔ)其母，實(shí)則瀉其子。”一直以來(lái)被奉為五行配伍的原則，用以指導(dǎo)對(duì)相生病變的調(diào)治;《素問(wèn)五運(yùn)行大論》“氣有余，則制己所勝而悔所不勝;其不及，則己所不勝侮而乘之，己所勝輕而侮之”的論述，結(jié)合五行分屬五臟思想，揭示相克病變傳遞方向，指出調(diào)治相克病變基本路徑，即需抑制太過(guò)之強(qiáng)與扶助不及之弱。因此，把太過(guò)抑強(qiáng)、不及扶弱，虛則補(bǔ)母，實(shí)則瀉子，確立為五行配伍的基本原則。

1.1.2 配伍要點(diǎn)

（1）配伍要基于內(nèi)臟五行病變一般特征，才能對(duì)癥施藥;

（2）配伍要基于藥物的五行屬性，才能選藥準(zhǔn)確;

（3）配伍要基于藥物對(duì)臟腑的補(bǔ)瀉作用，才能確保虛實(shí)用藥得當(dāng)。

1.2 五行配伍的主要方法舉例

補(bǔ)土生金配伍法：適應(yīng)于土不生金的病癥。在成方結(jié)構(gòu)中，其法有三：一為補(bǔ)脾氣以生肺氣，如參苓白術(shù)散（《和劑局方》），選大隊(duì)以補(bǔ)脾益氣，僅用一味引經(jīng)入肺之桔梗，配合以成方，常用之治肺氣不足證。二為同補(bǔ)脾肺二氣，重點(diǎn)在脾。如補(bǔ)中益氣湯，人參、白術(shù)與黃耆相伍，黃耆固肺，參術(shù)健脾。三對(duì)脾肺二臟，補(bǔ)氣在脾，養(yǎng)陰在肺。如清燥救肺湯（《醫(yī)門(mén)法律》），人參、甘草與麥冬相配，柯琴說(shuō)：“……麥冬稟西方之色，多液而甘寒，培肺金……。土為金母，子病則母虛，用甘草調(diào)補(bǔ)中宮生氣之源，二金有持?！崞浞握?，人參之甘以益氣”。

此方法以五行相生相克理論為基礎(chǔ)，是結(jié)合藥性進(jìn)行組方的典范。在計(jì)算機(jī)環(huán)境下進(jìn)行五行生克模擬，并根據(jù)反映癥狀的臟腑盛衰模擬及配合調(diào)理效果預(yù)演，結(jié)合選藥規(guī)律進(jìn)行方劑生成。

2? 基于五行配伍理論的中醫(yī)專(zhuān)家推理機(jī)制計(jì)算機(jī)模擬

2.1 五行生克推理模型構(gòu)建

以下是根據(jù)五行生克規(guī)律及施藥影響機(jī)制用Python語(yǔ)言實(shí)現(xiàn)的五行生克中醫(yī)推理模型，如圖1所示。

2.2 中醫(yī)診斷推理知識(shí)庫(kù)構(gòu)建

2.2.1 中醫(yī)知識(shí)抽取

知識(shí)抽取主要針對(duì)面向開(kāi)放的鏈接數(shù)據(jù)，采用典型數(shù)據(jù)挖掘技術(shù)（如構(gòu)造頻繁項(xiàng)集等），在語(yǔ)義級(jí)上處理中醫(yī)領(lǐng)域自然語(yǔ)言文本或多媒體形式內(nèi)容資料等，構(gòu)造典型中醫(yī)元知識(shí)（可能需要配合人工確認(rèn)），產(chǎn)生針對(duì)不同級(jí)別（描述范圍）的關(guān)聯(lián)項(xiàng)。抽取出置信度高的知識(shí)單元，形成一系列高質(zhì)量事實(shí)表達(dá)，知識(shí)單元主要包括實(shí)體、關(guān)系以及屬性3個(gè)知識(shí)要素，為后續(xù)模式層構(gòu)建奠定基礎(chǔ)。

（1）中醫(yī)實(shí)體抽取。

實(shí)體抽取是從中醫(yī)原始數(shù)據(jù)語(yǔ)料庫(kù)中自動(dòng)識(shí)別出命名實(shí)體。實(shí)體作為知識(shí)圖譜中的基本元素，其抽取完整性、識(shí)別準(zhǔn)確率及召回率等將直接影響到知識(shí)圖譜構(gòu)建質(zhì)量。

由于中醫(yī)典型知識(shí)主要以經(jīng)典書(shū)籍和專(zhuān)家經(jīng)驗(yàn)為載體，描述結(jié)構(gòu)或所用詞匯相對(duì)固定，所以主要以基于規(guī)則與詞典方法、基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法為主，可通過(guò)CNN+ LSTM +CRF進(jìn)行實(shí)體識(shí)別以提高實(shí)體識(shí)別的準(zhǔn)確性。

（2）中醫(yī)語(yǔ)義類(lèi)抽取。

語(yǔ)義類(lèi)抽取是指從文本中自動(dòng)抽取信息來(lái)構(gòu)造語(yǔ)義類(lèi)并建立實(shí)體和語(yǔ)義類(lèi)的關(guān)聯(lián)， 作為對(duì)實(shí)體層面上的規(guī)整和抽象。根據(jù)構(gòu)造頻繁項(xiàng)集內(nèi)或之間各元素的關(guān)系，可以作為有一種語(yǔ)義類(lèi)抽取行之有效的方法，根據(jù)頻繁項(xiàng)集內(nèi)各元素和不同頻繁項(xiàng)集間通過(guò)頻繁項(xiàng)屬性建立的直接和間接關(guān)系，配合采用BiLSTM+CRF網(wǎng)絡(luò)結(jié)構(gòu)。

（3）中醫(yī)屬性和屬性值抽取。

為每個(gè)本體語(yǔ)義類(lèi)構(gòu)造屬性列表是屬性提取的任務(wù)，為一個(gè)語(yǔ)義類(lèi)的實(shí)體附加屬性值即為屬性值提取，可以采用CNN +LSTM+CRF模式（屬性在特定語(yǔ)境下也可能作為特定實(shí)體存在）。屬性和屬性值的抽取能夠形成完整實(shí)體概念的知識(shí)圖譜不同維度，豐富實(shí)體內(nèi)涵。

（4）中醫(yī)關(guān)系抽取。

關(guān)系抽取的目標(biāo)是實(shí)現(xiàn)實(shí)體語(yǔ)義鏈接問(wèn)題解決。關(guān)系的基本信息包括屬性取值類(lèi)型、滿(mǎn)足此關(guān)系的元組模式等，實(shí)體間關(guān)系識(shí)別較經(jīng)典算法有Piece –Wise -CNN和LSTM+ Attention。

2.2.2 中醫(yī)知識(shí)表示

在知識(shí)表示的傳統(tǒng)方法中，用來(lái)符號(hào)性描述實(shí)體之間的關(guān)系主要以RDF（Resource Description Framework資源描述框架）的三元組SPO（subject， predicate，object）來(lái)實(shí)現(xiàn)。但是其在數(shù)據(jù)稀疏性、計(jì)算效率等方面存在諸多問(wèn)題。

近年來(lái)，以深度學(xué)習(xí)為核心的學(xué)習(xí)技術(shù)進(jìn)展迅速，基于深度卷積神經(jīng)網(wǎng)絡(luò)的特征抽取功能，實(shí)現(xiàn)在較低維度計(jì)算中醫(yī)實(shí)體、關(guān)系、及語(yǔ)義關(guān)聯(lián)，實(shí)際上涉及到對(duì)神經(jīng)網(wǎng)絡(luò)黑箱的解讀。中醫(yī)知識(shí)表示的相對(duì)成熟，對(duì)中醫(yī)知識(shí)庫(kù)的構(gòu)建、推理應(yīng)用均具有重要意義。

此外，鑒于脈沖神經(jīng)網(wǎng)絡(luò)具有與大腦神經(jīng)元最為接近的工作模式，知識(shí)表示的發(fā)展方向應(yīng)該從功能仿腦到結(jié)構(gòu)仿腦過(guò)渡，通過(guò)脈沖神經(jīng)元工作的磁場(chǎng)效應(yīng)機(jī)制研究，為知識(shí)表示方式尤其是后續(xù)知識(shí)推理、應(yīng)用方式的變革提供了新的可能。

2.2.3 中醫(yī)知識(shí)融合

借助知識(shí)提取，實(shí)現(xiàn)從非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)中獲取實(shí)體、關(guān)系以及實(shí)體屬性信息的目標(biāo)。但是由于知識(shí)來(lái)源形式多樣，知識(shí)質(zhì)量良莠不齊、來(lái)自不同數(shù)據(jù)源的知識(shí)重復(fù)、層次結(jié)構(gòu)缺失等問(wèn)題，要應(yīng)用大數(shù)據(jù)領(lǐng)域數(shù)據(jù)分析技術(shù)，融合與精煉知識(shí)。

（1）實(shí)體對(duì)齊。

實(shí)體對(duì)齊主要是用于消除異構(gòu)數(shù)據(jù)中實(shí)體沖突及如指向不明等不一致性問(wèn)題，具體可采用屬性相似度計(jì)算技術(shù)（可以使用編輯距離、集合相似度計(jì)算和基于向量的相似度計(jì)算。）和實(shí)體相似度計(jì)算技術(shù)（聚合（加權(quán)平均、手動(dòng)制定規(guī)則、分類(lèi)器等）;聚類(lèi)（層次聚類(lèi)、相關(guān)性聚類(lèi)、Canopy + K-means）;表示學(xué)習(xí)等），可以從頂層創(chuàng)建具有全域一致性的統(tǒng)一知識(shí)庫(kù)，形成全局統(tǒng)一的語(yǔ)義背景，從而幫助機(jī)器理解多源異質(zhì)的數(shù)據(jù)，以形成高質(zhì)量的知識(shí)。

（2）知識(shí)加工。

通過(guò)中醫(yī)實(shí)體對(duì)齊，可以得到一系列的基本事實(shí)表達(dá)或初步的本體雛形，然而事實(shí)并不等價(jià)于知識(shí)，它只是知識(shí)的基本單位，知識(shí)包括知識(shí)點(diǎn)及知識(shí)點(diǎn)間的多維度聯(lián)系。要形成高質(zhì)量的知識(shí)，還需要經(jīng)過(guò)知識(shí)加工的過(guò)程，從層次上形成一個(gè)統(tǒng)一的大規(guī)模的中醫(yī)知識(shí)體系。

（3）知識(shí)更新

具體業(yè)務(wù)需求、人類(lèi)認(rèn)知能力、知識(shí)儲(chǔ)備都會(huì)隨時(shí)間不斷遞增。中醫(yī)知識(shí)庫(kù)的構(gòu)建也是一個(gè)不斷迭代過(guò)程，因此，需要將中醫(yī)實(shí)踐經(jīng)驗(yàn)在本系統(tǒng)中不斷迭代更新，擴(kuò)展現(xiàn)有知識(shí)，增加新知識(shí)。

2.2.4 中醫(yī)知識(shí)推理

中醫(yī)理論經(jīng)過(guò)幾千年的沉淀，已經(jīng)形成較為典型的辯證施治推理模型，基于五行配伍組方推理就是一典型應(yīng)用，結(jié)合知識(shí)圖譜技術(shù)，可實(shí)現(xiàn)對(duì)這一相關(guān)中醫(yī)辨證診療思想在知識(shí)圖譜中的復(fù)現(xiàn)。

根據(jù)上述中醫(yī)知識(shí)圖譜一般實(shí)現(xiàn)步驟，進(jìn)行中醫(yī)診斷推理知識(shí)模型構(gòu)建，如圖2所示。

包括：

（1）五行配伍智能組方推理整體模型，其在推理知識(shí)庫(kù)中具有主動(dòng)特征。

（2）中醫(yī)知識(shí)圖譜

構(gòu)建中醫(yī)知識(shí)圖譜相當(dāng)于成熟中醫(yī)師的經(jīng)驗(yàn)沉淀，是一個(gè)不斷完善的過(guò)程。以知識(shí)圖譜構(gòu)建的技術(shù)體系為載體，將成熟中醫(yī)師的結(jié)構(gòu)化和非結(jié)構(gòu)化經(jīng)驗(yàn)整合成中醫(yī)知識(shí)及藥材知識(shí)庫(kù)，以服務(wù)于具體診斷過(guò)程中的知識(shí)推理過(guò)程，其在推理知識(shí)庫(kù)中具有被動(dòng)特征。

3? 基于大數(shù)據(jù)技術(shù)的經(jīng)驗(yàn)積累優(yōu)勢(shì)，不斷豐富中醫(yī)專(zhuān)家推理計(jì)算機(jī)模擬成熟度

中醫(yī)知識(shí)圖譜的建立與豐富過(guò)程，即是大數(shù)據(jù)技術(shù)在中醫(yī)藥領(lǐng)域的應(yīng)用過(guò)程，應(yīng)用大數(shù)據(jù)技術(shù)不斷積累和提煉中醫(yī)基本經(jīng)驗(yàn)知識(shí)，解析成中醫(yī)推理知識(shí)庫(kù)兼容形式，豐富中醫(yī)專(zhuān)家推理計(jì)算機(jī)模擬背景材料。[4]

4? 結(jié)合互聯(lián)網(wǎng)的互聯(lián)互通優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)求醫(yī)者的遠(yuǎn)程診療或輔助診斷，發(fā)揮其社會(huì)價(jià)值

借助于互聯(lián)網(wǎng)優(yōu)勢(shì)，將基于五行配伍原理及大數(shù)據(jù)智能診療系統(tǒng)對(duì)遠(yuǎn)程診斷者進(jìn)行診療，如圖3所示，給出理療方案、運(yùn)動(dòng)方案、飲食方案、產(chǎn)品建議等

5? 結(jié)語(yǔ)

本文基于中醫(yī)傳統(tǒng)理論為基礎(chǔ)，借助于大數(shù)據(jù)技術(shù)，構(gòu)建中醫(yī)知識(shí)圖譜，不斷完善中醫(yī)推理模型，提出五行配伍原理及大數(shù)據(jù)智能診療系統(tǒng)平臺(tái)規(guī)劃與設(shè)計(jì)方案，考慮醫(yī)療系統(tǒng)準(zhǔn)入標(biāo)準(zhǔn)，本系統(tǒng)可作為亞健康人群的“治未病”參考和成長(zhǎng)型中醫(yī)師處方助理，是很有參考價(jià)值的。

參考文獻(xiàn)

[1] 裴建.以中醫(yī)藥信息化建設(shè)“智慧中醫(yī)”[N].聯(lián)合時(shí)報(bào)，2020-04-14（7）.

[2] 潘玉穎，崔偉鋒，范軍銘.中醫(yī)藥大數(shù)據(jù)應(yīng)用核心問(wèn)題探究[J].中醫(yī)學(xué)報(bào)， 2020， 35 （5） ：928-930.

[3] 饒子昀，張毅，劉俊濤，曹萬(wàn)華.應(yīng)用知識(shí)圖譜的推薦方法與系統(tǒng)[J/OL].自動(dòng)化學(xué)報(bào)：1–17[2020-07-14].https：//doi.org/10.16383/j.aas.c200128.

[4] 王勇.明清時(shí)期“援易入醫(yī)”之探微[D].山東中醫(yī)藥大學(xué)，2018.

[5] 張藝然，李強(qiáng)，朱佳卿，王松.基于SWOT分析的中醫(yī)藥信息標(biāo)準(zhǔn)化發(fā)展戰(zhàn)略與思考[J].中國(guó)醫(yī)藥導(dǎo)報(bào)，2020，17（17）：149-152+157.

[6] 孫靜，劉繼芬，李曉東，肖勇，李金芳.基層醫(yī)療衛(wèi)生機(jī)構(gòu)中醫(yī)藥信息化建設(shè)實(shí)踐與思考[J].醫(yī)學(xué)信息學(xué)雜志，2020，41（1）：55-58+66.

[7] 孫靜，劉繼芬，李曉東，肖勇，李金芳.基層醫(yī)療衛(wèi)生機(jī)構(gòu)中醫(yī)藥信息化建設(shè)實(shí)踐與思考[J].醫(yī)學(xué)信息學(xué)雜志，2020，41（1）：55-58+66.